확률비례표집 (Probability Proportional to Size Sampling)

한 줄 정의: 표본으로 뽑힐 단위(예: 학교, 마을)가 클수록 선택될 확률도 함께 커지도록 설계한 표집법입니다.

쉽게 풀면

전국 학교 중 몇 곳을 뽑아 학생 설문을 하려 한다고 해봅시다. 학생 수 30명짜리 학교와 3,000명짜리 학교를 똑같은 확률로 뽑으면, 큰 학교의 목소리가 표본에 충분히 반영되지 않을 수 있습니다. 확률비례표집은 이런 문제를 막기 위해 각 학교가 뽑힐 확률을 그 학교의 크기(학생 수)에 비례하게 정합니다. 즉 학생이 많은 학교일수록 표본에 뽑힐 가능성도 커지는 방식입니다. 이렇게 하면 이후 학교 안에서 학생을 뽑는 2단계 표집에서도 전체 모집단을 훨씬 고르게 대표하는 표본을 얻을 수 있습니다.

왜 중요한가

확률비례표집은 대규모 사회조사나 국가 통계처럼 단위 크기가 크게 차이 나는 모집단을 다룰 때 표본의 대표성과 추정 효율을 동시에 확보할 수 있는 핵심 기법이기 때문에 방법론 논문에서 자주 인용됩니다. 특히 다단계표집과 결합해 학교, 병원, 지역 단위처럼 자연스러운 위계 구조가 있는 조사를 설계할 때 표준적으로 쓰이며, 표본설계의 타당성을 보여주는 근거로도 활용됩니다. 또한 국제비교조사나 정부 통계에서 널리 채택되어 있어, 관련 연구를 읽고 재현하려면 이 개념을 이해하는 것이 필수적입니다.

논문에서는 이렇게 쓰입니다

"1차 표집단위인 행정동은 인구 규모에 따른 확률비례표집(PPS sampling) 방식으로 선정하였으며, 이후 각 행정동 내에서 가구를 무작위로 추출하였다."

이 문장은 인구가 많은 동일수록 뽑힐 확률을 높게 설정해 동을 먼저 선정한 뒤, 그 안에서 다시 가구를 뽑는 2단계 표집 절차를 설명하고 있습니다.

"의료기관 규모(병상 수)에 비례한 확률비례표집을 통해 표본 병원을 선정함으로써, 대형병원 편중 없이 진료 실태를 대표성 있게 파악하고자 하였다."

병상 수가 많은 큰 병원일수록 뽑힐 확률을 높여 표본에 포함시키되, 전체적으로는 다양한 규모의 병원이 고르게 대표되도록 설계했다는 의미입니다.

"매출 규모에 비례한 확률비례표집으로 표본 사업체를 추출하여, 산업 전체의 생산 활동을 보다 정확하게 추정하고자 하였다."

경제총조사와 같이 사업체 규모 편차가 큰 경우, 매출이 큰 사업체가 뽑힐 확률을 높여 산업 전체 생산액 추정의 정확도를 높인 사례입니다.

조금 더 깊게 보면

확률비례표집으로 뽑힌 표본은 단위별로 선택 확률이 다르기 때문에, 분석 시에는 선택 확률의 역수에 해당하는 표집가중치(sampling weight)를 적용해 모집단 전체를 대표하도록 보정해야 합니다. 이때 추정치의 분산도 단순무작위표집과 다르게 계산되므로, 설계효과(design effect)나 복합표본설계(complex survey design)를 반영한 통계 소프트웨어(예: survey 패키지 등)를 사용하는 경우가 많습니다. 또한 실제 조사에서는 단위 크기 정보가 최신이 아니거나 부정확할 수 있어, 이런 오차가 표본 대표성에 미치는 영향도 함께 검토하는 것이 일반적입니다.

주의할 점

확률비례표집은 다단계표집과 함께 쓰이는 경우가 많아 혼동하기 쉽지만, 다단계표집이 "몇 단계로 나눠 뽑는가"에 대한 것이라면 확률비례표집은 "각 단위가 뽑힐 확률을 어떻게 정하는가"에 대한 것입니다. 또한 분석 시 단위별로 선택 확률이 다르므로, 이를 보정하는 가중치(weight)를 적용하지 않으면 추정치가 편향될 수 있습니다.